视频监控 智能交通 数据集(目标检测、跟踪)
前言
总结一下视频监控的数据集,用于目标检测、跟踪,持续跟新中..........。
一、UA-DETRAC 数据集
UA-DETRAC是一个具有挑战性的真实世界多目标检测和多目标跟踪基准。该数据集包括在中国北京和天津的24个不同地点使用Cannon EOS 550D相机拍摄的10小时视频。视频以每秒25帧(fps)的速度录制,分辨率为960×540像素。UA-DETRAC数据集中有超过14万个帧,手动注释了8250个车辆,总共有121万个标记的对象边界框。官方还对目标检测和多目标跟踪中的最新方法以及本网站中详述的评估指标进行基准测试。
官网地址:
The UA-DETRAC Benchmark Suitehttp://detrac-db.rit.albany.edu/
论文地址:
https://arxiv.org/pdf/1511.04136.pdfhttps://arxiv.org/pdf/1511.04136.pdf使用车辆类别、天气、规模、遮挡率和截断率等属性分析了目标检测和跟踪算法的性能。
- 车辆类别 我们将车辆分为四类,即轿车、公共汽车、面包车和其他。
- 天气 我们考虑四类天气条件,即多云、夜间、晴天和雨天。
- 比例 我们将带注释车辆的比例定义为其面积的平方根(以像素为单位)。我们将车辆分为三个等级:小型(0-50 像素)、中型(50-150 像素)和大型(超过 150 像素)。
- 遮挡率 我们使用车辆边界框被遮挡的比例来定义遮挡程度。我们将遮挡程度分为三类:无遮挡、部分遮挡和重度遮挡。具体来说,如果车辆的遮挡率在 1%-50% 之间,我们定义为部分遮挡,如果遮挡率大于 50%,我们定义为重遮挡。
- 截断率 截断率表示车辆部件在框架外的程度,用于训练样本选择。
二、MOT Challenge 数据集
MOT Challenge 是应用在多目标跟踪中最常见的数据集,它专门用于行人跟踪的场景,这些数据集目前已公开提供。对于每个数据集都提供了训练数据和测试数据,其中训练数据提供了目标检测结果和真实的跟踪结果,而测试数据只提供目标检测的结果。
常截至目前,MOT Challenge 数据集包含了MOT15,MOT16/MOT17,MOT20等子数据集。
MOT Challengehttps://motchallenge.net/MOT15 数据集部分视频序列实例:
MOT15 子数据集是 MOT Challenge 数据集上第一代数据,它包括 2D MOT15数据和 3D MOT15 数据。其中 2D MOT15 数据一共包含了 22 段视频序列(其中11 段视频作为训练使用,另外 11 段视频作为测试使用)。另外 2D MOT15 子数据集使用了 ACF 检测器识别视频序列中的目标来提供公共的检测结果。
MOT16/MOT17 子数据集中行人密度较高,因此该数据集也更具挑战性。这两个数据集包含了相同的 14 段视频序列(其中 7 段视频作为训练使用,另外 7 段视频作为测试使用)。
MOT16 子数据集使用了 DPM 检测器作为公开检测器。而 MOT17 子数据集则提供了三组不同的目标检测(Faster R-CNN,DPM以及 SDP)结果。
MOT20 数据集部分序列实例:
MOT20 子数据集的场景极其复杂,行人密度极高,更加考验多目标跟踪器的性能。该数据集一共包含 8 段视频序列,使用了 Faster R-CNN 作为检测器来提供公开检测结果。MOT20 数据集部分序列如上图所示,可以看到场景当中的人口密度极大。
参考文章:https://blog.csdn.net/weixin_44936889/article/details/107029111
参考文献:面向复杂场景的多目标跟踪算法研究.胡玉杰.电子科技大学.
目前只找到两个比较好的数据集,后面如果新的发现会持续跟新的,欢迎交流~
视频监控 智能交通 数据集(目标检测、跟踪)相关推荐
- 弱小目标检测跟踪算法研究(2)红外弱小目标数据集准备(红外弱小目标的数据集又来了)
红外弱小目标的数据集又来了! 说在前面的话 数据集 后续 说在前面的话 弱小目标,顾名思义:目标信号弱,像素少,由于目标信噪比较低,目标最少可能只有一个像素单元.因此,弱小目标检测跟踪一直是图像处理与 ...
- 弱小目标检测跟踪算法研究(1)红外弱小目标数据集准备(红外弱小目标的数据集来了)
红外弱小目标的数据集来了! 说在前面的话 一点建议 数据集 后续 说在前面的话 弱小目标,顾名思义:目标信号弱,像素少,由于目标信噪比较低,目标最少可能只有一个像素单元.因此,弱小目标检测跟踪一直是图 ...
- 加油站视频监控智能识别分析
加油站视频监控智能识别分析根据Python基于YOLOv5深度学习技术,对现场画面中人员抽烟.打电话等行为,以及现场明火和烟雾等异常状态,卸油时人员离开,灭火器未正确摆放,静电释放时间不足等不规范情形 ...
- CVPR 2020几篇论文内容点评:目标检测跟踪,人脸表情识别,姿态估计,实例分割等
CVPR 2020几篇论文内容点评:目标检测跟踪,人脸表情识别,姿态估计,实例分割等 CVPR 2020中选论文放榜后,最新开源项目合集也来了. 本届CPVR共接收6656篇论文,中选1470篇,&q ...
- 多目标检测跟踪文献代码汇总
The Multiple Object Tracking Benchmark https://motchallenge.net/ 高速跟踪: 当检测精度较高,视频帧率较高时,跟踪问题就会变得很简单,主 ...
- 远程视频监控智能工业网关
5G工业智能网关TG463,支持视频数据采集传输,同时具备字符叠加功能,支持5G/4G/wifi/以太网通信方式,丰富协议库实现协议转换数转发上云.4×LAN.1×WLAN.1×RS232(1×RS4 ...
- 【深度学习】实验5布置:滴滴出行-交通场景目标检测
DL_class 学堂在线<深度学习>实验课代码+报告(其中实验1和实验6有配套PPT),授课老师为胡晓林老师.课程链接:https://www.xuetangx.com/training ...
- 【深度学习】实验5答案:滴滴出行-交通场景目标检测
DL_class 学堂在线<深度学习>实验课代码+报告(其中实验1和实验6有配套PPT),授课老师为胡晓林老师.课程链接:https://www.xuetangx.com/training ...
- [数据集][目标检测]篮球数据集VOC格式7398张
数据集格式:Pascal VOC格式(不包含分割路径的txt文件和yolo格式的txt文件,仅仅包含jpg图片和对应的xml) 图片数量(jpg文件个数):7398 标注数量(xml文件个数):739 ...
最新文章
- log_softmax与softmax区别
- Python中的*args和**kwargs是什么?该如何使用?
- 换了你你又会杀了谁(zz)
- 【EventBus】事件通信框架 ( 总结 | 手写事件通信框架完整代码示例 | 测试上述框架 )
- 洛谷——P1540 机器翻译
- php取商,PHP获取百度关键词排名
- jqgrid 编辑状态获取该单元格的元素的id 和操作该元素
- rpm apache2 啟動vhost .htaccess讀取問題
- gstreamer/deepstream崩溃记录及分析
- 深度学习剖根问底:SGD算法的优化和变种
- Redis常用命令(超详细整理)
- 如何激活优动漫PAINT,获取优动漫PAINT序列号
- win7绕过开机密码
- 【过关斩将】小伙子,请做一下自我介绍?
- 数字图像处理 第三章 灰度变换与空间滤波
- 【电子技术基础(精华版)】二极管的基础知识
- 快手招聘计算机视觉实习生
- VC检测Office版本
- 代号X8,小度智能屏的破壁行动
- 海淘 Google Nexus4 历程
热门文章
- NationalInstruments(一)深圳市裕量科技有限公司
- 区块链游戏行业大佬观点集合
- 如何处理项目遗留问题?
- 电子元件行业介绍及分析——ERP解决方案
- 陈彦萍 西安邮电大学 计算机学院,西安邮电大学计算机学院
- 单片机联网远程控制的服务器设置,经验分享:单片机如何与手机实现远程通讯...
- 第一章 教育基础(07 心理学基础知识)
- 新课程教学杂志新课程教学杂志社新课程教学编辑部2022年第11期目录
- Rose2003运行出现 -2147417848 (80010108)':Automation 错误
- 搭建IQ Option二元期权、ExperOption二元期权MT4博易大师信管家